ระบบการจัดหมวดหมู่การใช้จ่ายที่ดี มีลูกค้าสองกลุ่ม

ระบบการจัดหมวดหมู่การใช้จ่ายที่ดี มีลูกค้าสองกลุ่ม คือ ผู้ที่ต้องใช้งาน และ โมเดลที่ต้องจัดหมวดหมู่ตามนั้น

ผู้นำส่วนใหญ่เข้าใจระบบการจัดหมวดหมู่เป็นโครงสร้างหมวดหมู่ วิธีการจัดระเบียบการใช้จ่ายให้อยู่ในกลุ่มที่มีความหมาย ในความเป็นจริง มันมากกว่าโครงสร้างการรายงาน มันกำหนดวิธีที่ผู้คนตีความการใช้จ่าย วิธีที่มันเปลี่ยนเป็นข้อมูล และมีอิทธิพลต่อวิธีที่ระบบ AI จัดหมวดหมู่ วิเคราะห์ และสร้างข้อมูลเชิงลึกจากข้อมูลนั้น

สิ่งนี้คือส่วนที่มักถูกมองข้ามในการนำระบบการจัดความโปร่งใสในการใช้จ่ายมาใช้ ระบบการจัดหมวดหมู่มักถูกมองเป็นขั้นตอนในการตั้งค่า กำหนดลำดับโหลดเข้าไปในแพลตฟอร์ม จัดหมวดหมู่การใช้จ่าย และดำเนินการต่อ แต่การนำ AI มาใช้ในกระบวนการจัดซื้อจัดจ้างกำลังเพิ่มขึ้น ในปี 2025 80% ของ CPO วางแผนจะใช้ AI ที่สร้างขึ้นภายในสามปี แต่มีเพียง 36% เท่านั้นที่มีการนำไปใช้อย่างมีความหมาย

ในความเป็นจริง ระบบการจัดหมวดหมู่มักเป็นส่วนที่เริ่มมีช่องว่างนี้ มันกลายเป็นภาษาที่ธุรกิจใช้ในการเข้าใจการใช้จ่าย และเป็นหนึ่งในสิ่งที่สำคัญที่สุดในการจัดหมวดหมู่โดยใช้ AI หากมันล้มเหลวทั้งสองฝ่าย ผลกระทบจะปรากฏอย่างรวดเร็ว คือ การนำไปใช้ที่ไม่ดี ความน่าเชื่อถือที่ต่ำลง และโมเดลที่ยากต่อการปรับให้เหมาะสมมากกว่าที่ควร

ปัญหาในการนำไปใช้

สำหรับผู้ใช้ การออกแบบระบบการจัดหมวดหมู่เป็นปัญหาในการจัดการการเปลี่ยนแปลง ผู้จัดการหมวดหมู่ ทีมจัดซื้อ ผู้ใช้ฝ่ายการเงิน และผู้บริหารต้องดูกลุ่มการใช้จ่ายและเข้าใจความหมายโดยไม่ต้องมีระดับการแปล

ชื่อที่ไม่เรียบร้อยทำให้สิ่งนี้ยากขึ้น เช่นเดียวกับคำย่อภายใน ระบบการจัดหมวดหมู่ที่ซ้ำซ้อน และระดับรายละเอียดที่ไม่สอดคล้องกันในลำดับ ระบบการจัดหมวดหมู่การใช้จ่ายสามารถจัดหมวดหมู่ธุรกรรมได้อย่างถูกต้อง แต่ยังสามารถสร้างประสบการณ์ที่ไม่ดีให้กับผู้ใช้หากผู้ใช้ไม่สามารถตีความหมวดหมู่ได้ Gartner พบว่า 63% ขององค์กร ไม่มีหรือไม่แน่ใจว่ามีการจัดการข้อมูลที่เหมาะสมสำหรับ AI และคาดการณ์ว่าจนถึงปี 2026 60% ของโครงการ AI ที่ไม่ได้รับการสนับสนุนจากข้อมูลที่พร้อมสำหรับ AI จะถูกทิ้ง

สิ่งนี้คือที่ที่การนำไปใช้ต้องการการมีส่วนร่วมจากทีมหมวดหมู่ ผู้ที่จัดการหมวดหมู่เข้าใจว่าการใช้จ่ายถูกจัดซื้อ จัดการ และดำเนินการอย่างไร พวกเขารู้ว่ากลุ่มใดมีประโยชน์ ว่าการแบ่งแยกมีความสำคัญ และว่าชื่อใดสะท้อนถึงวิธีการที่ธุรกิจพูดถึงการใช้จ่ายจริงๆ

แต่การมีส่วนร่วมนี้ต้องการการควบคุม ทีมหมวดหมู่ไม่สามารถออกแบบได้อย่างโดดเดี่ยว

ทีม Facilities อาจต้องการรายละเอียดที่ลึกสำหรับประเภทบริการทุกประเภท เช่น แรงงาน วัสดุ ประเภทสินทรัพย์ ประเภทการซ่อม และความถี่ในการให้บริการ ทีม IT อาจชอบหมวดหมู่ที่กว้าง เช่น ฮาร์ดแวร์ ซอฟต์แวร์ และบริการ ทั้งสองมุมมองอาจมีเหตุผลภายในฟังก์ชันของตนเอง แต่ไม่ควรกลายเป็นหลักการออกแบบสำหรับระบบการจัดหมวดหมู่ทั้งหมด

ทีมกลางต้องสร้างโครงสร้างวิธีการจัดหมวดหมู่ควรจะมีระดับเท่าใด ที่ไหนที่รายละเอียดเพิ่มเติมจะทำให้การซื้อขายมีความเข้าใจที่ดีขึ้น ที่ไหนที่รายละเอียดเพิ่มเติมจะทำให้เกิดเสียงรบกวน ชื่อใดที่จะชัดเจนสำหรับผู้ที่ไม่ใช่ผู้เชี่ยวชาญ หมวดหมู่ใดที่ควรแยกออกและหมวดหมู่ใดที่ควรยังคงรวมกัน

ระบบการจัดหมวดหมู่ที่ดีไม่ใช่การออกแบบที่มีรายละเอียดมากที่สุดของทีมหมวดหมู่ทุกๆ ทีม มันเป็นภาษาที่ใช้ร่วมกันขององค์กรในการเข้าใจการใช้จ่ายอย่างต่อเนื่อง

ปัญหา AI

ระบบการจัดหมวดหมู่เดียวกันนี้ยังต้องทำงานสำหรับ AI

ในการจัดหมวดหมู่โดยใช้ AI ชื่อและคำจำกัดความไม่ใช่แค่เอกสาร มันกลายเป็นส่วนหนึ่งของสัญญาณที่ใช้ในการจัดหมวดหมู่ธุรกรรม หากหมวดหมู่สองหมวดหมู่มีชื่อที่ไม่ชัดเจนหรือทับซ้อนกัน โมเดลจะมีเหตุผลที่จะเลือกหมวดหมู่หนึ่งมากกว่าอีกหมวดหมู่ หากคำจำกัดความมีความกว้างเกินไป มันอาจจะจับคู่เกินไป หากมันใช้ภาษาที่ไม่ปรากฏในข้อมูล มันอาจจะไม่จับคู่เลย

สิ่งนี้ไม่ใช่แค่ปัญหาในการเติบโตของโมเดล มันเป็นปัญหาในการออกแบบระบบการจัดหมวดหมู่

การออกแบบระบบการจัดหมวดหมู่ที่ดีทำให้โมเดลมีเป้าหมายที่ชัดเจนยิ่งขึ้น หมวดหมู่ควรจะแตกต่าง describable ตระหนักได้ในข้อมูลที่อยู่ภายใต้ และชัดเจนเกี่ยวกับสิ่งที่ควรจะอยู่ในหมวดหมู่และไม่ควรจะอยู่ สิ่งนี้มีความสำคัญ ในภาษาที่รวมเข้าด้วยกันบอกโมเดลว่าอะไรที่ควรจะค้นหา ภาษาที่แยกออกบอกโมเดลว่าอะไรที่ไม่ควรจะรวมเข้าด้วยกัน

พิจารณาในพื้นที่ เช่น การบำรุงรักษาอาคาร การซ่อมแซม MRO บริการอาคาร อุปกรณ์ซ่อมแซม และอุปกรณ์ใช้ในอุตสาหกรรมทั่วไป หมวดหมู่เหล่านี้สามารถทับซ้อนกันได้ง่ายๆ ผู้ตรวจสอบของมนุษย์อาจเข้าใจความแตกต่างที่ตั้งใจไว้จากบริบท โมเดลต้องการสัญญาณที่ชัดเจนยิ่งขึ้น หากหมวดหมู่หลายหมวดหมู่อธิบายกิจกรรมที่คล้ายกันโดยไม่มีขอบเขตที่ชัดเจน ความมั่นใจในการจัดหมวดหมู่จะลดลง

ปัญหาเดียวกันปรากฏขึ้นในหมวดหมู่ที่ใช้แทน หากต้องการหมวดหมู่ที่กว้าง เช่น MRO / อุปกรณ์ใช้ในอุตสาหกรรมทั่วไป สามารถใช้ได้เมื่อข้อมูลไม่ชัดเจน แต่ไม่ควรกลายเป็นหมวดหมู่ที่ใช้แทนการใช้จ่ายที่สามารถจัดหมวดหมู่ได้อย่างแม่นยำ หากข้อมูลบ่งชี้ว่าใช้จ่ายสำหรับแว่นตานิรภัย ถุงมือ อุปกรณ์ป้องกันส่วนบุคคล หรืออุปกรณ์สำหรับการปฐมพยาบาล ระบบการจัดหมวดหมู่ควรให้สัญญาณที่เพียงพอในการจัดหมวดหมู่การใช้จ่ายนั้นเป็นหมวดหมู่ “อุปกรณ์ป้องกันส่วนบุคคล” แทนที่จะปล่อยให้อยู่ในหมวดหมู่ที่กว้าง

การออกแบบระบบการจัดหมวดหมู่ที่ดีขึ้น

การทำงานที่ดีที่สุดในการออกแบบระบบการจัดหมวดหมู่ไม่ใช่การทำงานที่ทำด้วยมือเพียงอย่างเดียว และไม่ใช่การทำงานที่ทำโดยอัตโนมัติเพียงอย่างเดียว มันเป็นการทำงานแบบผสมผสาน

เริ่มต้นด้วยโครงสร้างที่มีศูนย์กลาง กำหนดการให้คำนิยม ลำดับขั้น หมวดหมู่ที่ใช้แทน และระดับรายละเอียดที่ต้องการสำหรับการตัดสินใจ จากนั้นจึงนำทีมหมวดหมู่เข้ามาเพื่อทดสอบโครงสร้างนี้กับวิธีการจัดการการใช้จ่ายจริง

จากนั้นเขียนคำจำกัดความที่เป็นประโยชน์ ไม่ใช่คำจำกัดความทางวิชาการ คำจำกัดความของหมวดหมู่ที่มีประโยชน์ควรบอกว่าอะไรที่อยู่ในหมวดหมู่ 什么ที่ไม่อยู่ในหมวดหมู่ และภาษาอะไรที่น่าจะปรากฏในข้อมูล ชื่อผู้ขาย คำศัพท์ผลิตภัณฑ์ คำอธิบายบริการ และคำย่อทั่วไปสามารถมีความสำคัญเมื่อใช้อย่างระมัดระวัง

จากนั้นทดสอบระบบการจัดหมวดหมู่กับธุรกรรมจริง ทบทวนการใช้จ่ายที่สูง ทบทวนที่ไม่มั่นใจในการจับคู่ ตรวจสอบหมวดหมู่ที่ดึงดูดการใช้จ่ายมากเกินไปเพราะคำจำกัดความกว้างเกินไป และหมวดหมู่ที่ไม่จับคู่เพราะคำจำกัดความไม่ใช้ภาษาที่พบในข้อมูลที่อยู่ภายใต้

สิ่งนี้คือที่ที่ AI มีคุณค่า มันสามารถแสดงรูปแบบ วัดความมั่นใจ ระบุการค้นหาที่ไม่ชัดเจน และช่วยทีมจัดลำดับความสำคัญของที่ที่ต้องการการปรับปรุง แต่ขั้นตอน การมีส่วนร่วมของมนุษย์ ยังคงมีความสำคัญเพราะโมเดลไม่สามารถตัดสินใจความหมายของหมวดหมู่ได้ด้วยตนเอง

การออกแบบระบบการจัดหมวดหมู่ควรได้รับการปฏิบัติเป็นทั้งการทำงานในการนำไปใช้และการนำเข้าโมเดล คุณลักษณะและคำจำกัดความมีอิทธิพลต่อการหมวดหมู่ การเปลี่ยนแปลงที่กว้างขึ้นในการจัดซื้อจัดจ้างที่เป็นมิตรกับ AI ทำให้พื้นฐานนี้ยากที่จะเพิกเฉย — ความพร้อมของข้อมูลถูกมองว่าเป็นตัวแยกแยะที่มีการแข่งขันมากกว่าความต้องการทางเทคนิค วิธีการทางเทคนิค เช่น การจับคู่ TF-IDF ความคล้ายคลึงกันทางพื้นฐาน ระดับความมั่นใจ ระยะห่างระหว่างคะแนน การขยายตัวของคำย่อ และวงจรป้อนกลับทำงานได้ดีขึ้นเมื่อระบบการจัดหมวดหมู่มีความชัดเจนและแยกออกจากกัน

จุดมุ่งหมายไม่ใช่เพื่อให้ทีมจัดซื้อจัดจ้างอับอายใจด้วยคำศัพท์ของโมเดล จุดมุ่งหมายคือคุณภาพของระบบการจัดหมวดหมู่กลายเป็นคุณภาพของโมเดล ชื่อและคำจำกัดความที่ดีขึ้นสร้างสัญญาณที่ดีขึ้น สัญญาณที่ดีขึ้นสร้างการหมวดหมู่ที่แข็งแกร่ง การหมวดหมู่ที่แข็งแกร่งสร้างความน่าเชื่อถือที่มากขึ้นในระบบการจัดหมวดหมู่การใช้จ่าย

บทเรียนในการนำไปใช้

การสร้างระบบการจัดหมวดหมู่การใช้จ่ายสมควรได้รับเวลามากกว่าที่ได้รับในแผนการดำเนินงาน

การเร่งการดำเนินการขั้นตอนนี้ทำให้เกิดปัญหา两อย่างที่คาดการณ์ได้ ปัญหาแรกคือการนำไปใช้ที่ไม่ดี ผู้ใช้ไม่น่าเชื่อถือระบบการจัดหมวดหมู่การใช้จ่ายเมื่อหมวดหมู่ไม่ตรงกับวิธีการคิดเกี่ยวกับการใช้จ่ายหรือเมื่อลำดับไม่สอดคล้องกันระหว่างทีม

ปัญหา thứสองคือประสิทธิภาพของโมเดลที่ไม่ดี การจัดหมวดหมู่ยากขึ้นเมื่อหมวดหมู่เป้าหมายไม่ชัดเจน ซ้ำซ้อน หรือไม่เชื่อมโยงกับภาษาในข้อมูล

ปัญหาเหล่านี้ไม่ได้รับการแก้ไขโดยการนำ AI มาใช้เพิ่มเติม พื้นฐานต้องถูกต้อง นี่คือรูปแบบเดียวกับที่ปรากฏขึ้นทั่วทั้งองค์กร AI โดยทั่วไป: ความล้มเหลวของโครงการ AI ส่วนใหญ่สืบย้อนกลับไปถึงพื้นฐานข้อมูลที่ไม่พร้อม ไม่ใช่โมเดลเอง

ระบบการจัดหมวดหมู่ที่แข็งแกร่งถูกควบคุมโดยศูนย์กลาง ได้รับข้อมูลจากผู้เชี่ยวชาญหมวดหมู่ ทดสอบกับข้อมูลจริง ปรับปรุงผ่านการให้ข้อมูลจากโมเดล และบำรุงรักษาเมื่อเวลาผ่านไป มันไม่ใช่แค่ไฟล์การตั้งค่าครั้งเดียว มันเป็นส่วนสำคัญของแบบจำลองการดำเนินงานที่มีความโปร่งใสในการใช้จ่าย

ระบบการจัดหมวดหมู่ไม่ใช่แค่การทำความสะอาดการบริหาร มันเป็นพื้นฐานของความน่าเชื่อถือในระบบการจัดหมวดหมู่การใช้จ่าย มันคือพื้นฐานที่เพิ่มขึ้นสำหรับวิธีการที่ AI สามารถจัดหมวดหมู่ อธิบาย และปรับปรุงข้อมูลการจัดซื้อจัดจ้างเมื่อเวลาผ่านไป